h1

% IMPORTANT: The following is UTF-8 encoded.  This means that in the presence
% of non-ASCII characters, it will not work with BibTeX 0.99 or older.
% Instead, you should use an up-to-date BibTeX implementation like “bibtex8” or
% “biber”.

@ARTICLE{Echle:989747,
      author       = {Echle, Amelie and Ghaffari Laleh, Narmin and Schrammen,
                      Peter Leonard and West, Nicholas P. and Trautwein, Christian
                      and Brinker, Titus J. and Gruber, Stephen B. and Bülow,
                      Roman David and Boor, Peter and Grabsch, Heike I. and
                      Quirke, Philip and Kather, Jakob Nikolas},
      title        = {{D}eep learning for the detection of microsatellite
                      instability from histology images in colorectal cancer : {A}
                      systematic literature review},
      journal      = {ImmunoInformatics},
      volume       = {3/4},
      issn         = {2667-1190},
      address      = {Amsterdam},
      publisher    = {Elsevier},
      reportid     = {RWTH-2024-06965},
      pages        = {100008},
      year         = {2021},
      note         = {Person Kather, Jakob N. auch Last author},
      cin          = {531020-2 ; 932610 / 528001-2 ; 922910},
      cid          = {$I:(DE-82)531020-2_20140620$ /
                      $I:(DE-82)528001-2_20140620$},
      pnm          = {DFG project 322900939 - TRR 219: Mechanismen
                      kardiovaskulärer Komplikationen bei chronischer
                      Niereninsuffizienz (322900939) / DFG project 454024652 -
                      Translationale Nephropathologie (454024652) / BMBF 01GM1901A
                      - STOP-FSGS - Translationaler Forschungsverbund zur
                      Verbesserung der Diagnostik und Therapie der FSGS, TP 1:
                      Rolle des MIF-Signalwegs bei FSGS; TP 4: Pathogenese und
                      neue therapeutische Ansätze (01GM1901A) /
                      BMG-ZMVI1-2520DAT111 - Diagnosestellung und
                      Risikostratifizierung von Lebererkrankungen mittels Deep
                      Learning anhand von klinischen Routinedaten (DEEP LIVER)
                      (BMG-ZMVI1-2520DAT111) / BMWK 01MK2002A - Verbundprojekt:
                      EMPAIA – Ecosystem for pathology diagnostics with AI
                      assistance; Teilvorhaben: Koordination, Referenzzentren und
                      Workflowintegragtion von KI-Lösungen (01MK2002A) /
                      AIM.imaging.CKD - AI-augmented, Multiscale Image-based
                      Diagnostics of Chronic Kidney Disease (101001791) /
                      G:(DE-82)Stiftung-Deutsche-Krebshilfe-70113864 -
                      Max-Eder-Nachwuchsgruppenprogramm - Optimierung von
                      Immuntherapie-Strategien bei gastrointestinalen Tumoren mit
                      prädiktiven und mechanistischen Computermodellen
                      (Stiftung-Deutsche-Krebshilfe-70113864)},
      pid          = {G:(GEPRIS)322900939 / G:(GEPRIS)454024652 /
                      G:(BMBF)01GM1901A / G:(DE-82)BMG-ZMVI1-2520DAT111 /
                      G:(BMWK)01MK2002A / G:(EU-Grant)101001791 /
                      G:(DE-82)Stiftung-Deutsche-Krebshilfe-70113864},
      typ          = {PUB:(DE-HGF)16},
      doi          = {10.1016/j.immuno.2021.100008},
      url          = {https://publications.rwth-aachen.de/record/989747},
}